本文關(guān)鍵詞：基于MapReduce的遺傳算法在組合優(yōu)化問題中的研究

  更多相關(guān)文章： 組合優(yōu)化 遺傳算法 分布式 MapReduce

【摘要】：在現(xiàn)實(shí)社會中,很多生產(chǎn)和生活問題都可以建模為組合優(yōu)化問題,特別是隨著“互聯(lián)網(wǎng)+”時(shí)代的到來,科學(xué)技術(shù)水平得以飛速發(fā)展,數(shù)據(jù)信息呈爆炸式的增長,越來越多的新型組合優(yōu)化問題得以涌現(xiàn)。研究如何能更好的解決組合優(yōu)化問題將為人們的生產(chǎn)生活帶來巨大的收益。本文采用了遺傳算法來求解組合優(yōu)化問題,但是傳統(tǒng)單機(jī)遺傳算法在解決組合優(yōu)化問題上存在穩(wěn)定性差,多次實(shí)驗(yàn)需要消耗大量時(shí)間等缺點(diǎn),本文實(shí)現(xiàn)了基于MapReduce分布式計(jì)算框架下的并行遺傳算法。使每個(gè)種群在相應(yīng)節(jié)點(diǎn)上并發(fā)執(zhí)行,最后通過適應(yīng)度評比選出最優(yōu)個(gè)體。本文主要做了如下的工作：(1)將傳統(tǒng)的遺傳算法進(jìn)行了優(yōu)化,在種群初始化中加入了貪心策略,在選擇策略上采用了輪盤賭與最佳個(gè)體保留的策略,并對交叉算子和變異算子進(jìn)行了參數(shù)分析實(shí)驗(yàn),采用了啟發(fā)式交叉算子和自適應(yīng)變異算子相結(jié)合的方法。(2)將優(yōu)化后的遺傳算法移植到了MapReduce分布式計(jì)算框架上,同時(shí)對MapReduce分布式計(jì)算框架進(jìn)行了參數(shù)優(yōu)化,進(jìn)一步提高了整個(gè)框架的計(jì)算性能。最終將程序部署在Hadoop平臺上運(yùn)行,以旅行商問題作為實(shí)驗(yàn)對象,采用TSPLIB庫提供的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù),實(shí)驗(yàn)結(jié)果表明,當(dāng)實(shí)驗(yàn)次數(shù)大于10次時(shí),相比于傳統(tǒng)單機(jī)遺傳算法,程序運(yùn)行時(shí)間減少了近56.4%,尋解能力明顯增強(qiáng)。同時(shí),因?yàn)榉植际讲⑿羞z傳算法具有一次運(yùn)行多次實(shí)驗(yàn)的特點(diǎn),從而在一定程度上克服了遺傳算法穩(wěn)定性差的缺點(diǎn)。
【關(guān)鍵詞】：組合優(yōu)化 遺傳算法 分布式 MapReduce
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：O157;TP18
【目錄】：

• 摘要3-4
• Abstract4-10
• 1 引言10-15
• 1.1 研究背景及意義10-11
• 1.1.1 研究背景10
• 1.1.2 研究意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 國內(nèi)研究現(xiàn)狀12
• 1.2.2 國外研究現(xiàn)狀12-13
• 1.3 論文研究內(nèi)容13-14
• 1.4 論文組織結(jié)構(gòu)14-15
• 2 基本理論和相關(guān)技術(shù)15-26
• 2.1 TSP問題概述15
• 2.2 遺傳算法15-18
• 2.2.1 遺傳算法概述15-17
• 2.2.2 遺傳算法基本原理17-18
• 2.3 分布式計(jì)算技術(shù)18-20
• 2.4 開源分布式行計(jì)算平臺Hadoop20-23
• 2.4.1 Hadoop平臺的基本架構(gòu)20-21
• 2.4.2 分布式文件系統(tǒng)HDFS21
• 2.4.3 分布式計(jì)算框架MapReduce21-23
• 2.5 其它分布式計(jì)算平臺23-24
• 2.6 本章小結(jié)24-26
• 3 基于遺傳算法求解TSP問題的方法及優(yōu)化26-44
• 3.1 編碼方式和種群初始化26-28
• 3.1.1 種群初始化的優(yōu)化27-28
• 3.2 評價(jià)函數(shù)設(shè)定28
• 3.3 選擇策略28-31
• 3.3.1 選擇策略的優(yōu)化30-31
• 3.4 交叉操作31-36
• 3.4.1 交叉算子參數(shù)分析33-35
• 3.4.2 交叉算子優(yōu)化35-36
• 3.5 變異操作36-40
• 3.5.1 變異算子參數(shù)分析38-40
• 3.5.2 變異算子優(yōu)化40
• 3.6 求解TSP問題的仿真實(shí)驗(yàn)40-43
• 3.7 本章小結(jié)43-44
• 4 基于MapReduce的遺傳算法及TSP實(shí)驗(yàn)分析44-57
• 4.1 算法描述44-47
• 4.2 Map端設(shè)計(jì)47-48
• 4.3 Reduce端設(shè)計(jì)48-49
• 4.4 Hadoop實(shí)驗(yàn)平臺搭建49-51
• 4.4.1 集群配置49-51
• 4.4.2 Hadoop平臺結(jié)合Eclipse的搭建51
• 4.5 MapReduce參數(shù)優(yōu)化51-52
• 4.6 實(shí)驗(yàn)結(jié)果與分析52-56
• 4.7 本章小結(jié)56-57
• 5 總結(jié)與展望57-60
• 5.1 總結(jié)57-58
• 5.2 展望58-60
• 致謝60-61
• 參考文獻(xiàn)61-64
• 作者簡介64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳琨;張志明;;一種改進(jìn)遺傳算法的設(shè)計(jì)與實(shí)現(xiàn)[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

2 胡蘭萍;黃海斌;;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年03期

3 王珊珊;;遺傳算法的理論基礎(chǔ)及應(yīng)用[J];科協(xié)論壇(下半月);2008年09期

4 高翔;海洋;;遺傳算法應(yīng)用[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

5 劉定理;;遺傳算法綜述[J];中國西部科技;2009年25期

6 歐陽柏平;;基于遺傳算法優(yōu)化獨(dú)立分量分析[J];科技信息;2010年07期

7 儲育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風(fēng);2010年09期

8 曾瑛;;遺傳算法在優(yōu)化求解中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2012年10期

9 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

10 施光林,史維祥;遺傳算法及其研究與應(yīng)用新進(jìn)展[J];科技導(dǎo)報(bào);1997年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動(dòng)化學(xué)術(shù)會議暨智能自動(dòng)化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動(dòng)化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國智能自動(dòng)化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

4 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

6 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

7 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

8 吳欣欣;改進(jìn)GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)入侵檢測研究[D];湖南工業(yè)大學(xué);2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學(xué);2015年

10 龔高;基于遺傳算法的橋梁結(jié)構(gòu)傳感器優(yōu)化布置研究[D];長安大學(xué);2015年

，

本文編號：640697